canny边缘检测算法 opencv_opencv：边缘检测算法

本文主要介绍几种常见的边缘检测算法：canny边缘检测、Sobel边缘检测、Laplacian边缘检测和Scharr边缘检测。

1. 主要介绍基于canny算子的边缘检测：Canny边缘检测基本原理

(1)图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。

(2)根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。

(3)类似与Marr(LoG)边缘检测方法，也属于先平滑后求导数的方法。

基于opencv库函数为：

Canny边缘检测函数

Canny (InputArray  image, OutputArray edges, double threshold,              double threshold2,int  apertureSize = 3,              bool L2gradient = false)

参数功能：

• image：输入图像

• edges：输出图像

• threshold：第一个滞后性阈值

• threshold2：第二个滞后性阈值

• apertureSize：表示应用Sobel算子的孔径大小，默认值为3

• L2gradient：一个计算图像梯度幅值的标识，默认值false

实现代码：

#include #include using namespace cv; using namespace std; int main() {        Mat src =  imread("lena.jpg");        imshow("原图",  src);        Mat dst, edge,  gray;        //将原图像转换为灰度图像        cvtColor(src,  gray, COLOR_BGR2GRAY);        //使用canny算子        Canny(gray, edge,  3, 9, 3);        imshow("canny边缘检测结果",  edge);        waitKey();        return 0; }

结果

原图

结果

2. Sobel 算子是一个离散微分算子。它结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。基于opencv库的实现函数为：

Soble边缘检测函数：

Sobel(InputArray src,OutputArray dst, int ddepth, int dx,int  dy,            int ksize= 3,double  scale = 1,double delta = 0,             int borderType = BORDER_DEFAULT)

• src：输入图像

• dst：输出图像

• ddepth：输出图像的深度，取值规则如下：

若src.depth()=CV_8U，取ddepth=-1/CV_16S/CV_32F/CV_64F

若src.depth()=CV_16U/CV_16S，取ddepth=-1/ CV_32F/CV_64F

若src.depth()=CV_32F，取ddepth=-1/ CV_32F/CV_64F

若src.depth()=CV_64F，取ddepth=-1/ CV_64F

• dx：x方向上的差分阶数

• dy：y方向上的差分阶数

• ksize：表示soble核的大小，必须取1、3、5或7，默认值是3.

• scale：计算导数值时可选的缩放因子，默认值是1，表示默认情况下是应用缩放的。

• delta：表示在结果存入目标图之前可选的delta值，默认值为0

• borderType：边界模式，默认值为BORDER_DEFAULT.

实现代码：

#include #include using namespace cv; using namespace std; int main() {            Mat grad_x,  grad_y,gray;            Mat  abs_grad_x, abs_grad_y, dst;            Mat src =  imread("lena.jpg");            imshow("原图",  src);            //将原图像转换为灰度图像            cvtColor(src,  gray, COLOR_BGR2GRAY);            //使用Sobel算子,在x方向上边缘检测            Sobel(gray,  grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);            convertScaleAbs(grad_x,  abs_grad_x);            imshow("x方向边缘检测结果",  abs_grad_x);            //使用Sobel算子,在y方向上边缘检测            Sobel(gray,  grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);            convertScaleAbs(grad_y,  abs_grad_y);            imshow("y方向边缘检测结果",  abs_grad_y);            addWeighted(abs_grad_x,  0.5, abs_grad_y, 0.5, 0, dst);            imshow("完整边缘检测结果",  dst);            waitKey();            return 0; }

结果：

原图

x方向边缘检测结果

y方向边缘检测结果

完整边缘检测结果

3. 拉普拉斯是一种各向同性二阶微分算子。Laplace算子对孤立象素的响应要比对边缘或线的响应要更强烈，因此只适用于无噪声图象。基于opencv的库函数为：

Laplacian边缘检测函数

Laplacian (InputArray src, OutputArray dst,int ddepth ,int  ksize = 1,                   double scale = 1,double delta = 0,                   intborderType = BORDER_DEFAULT)

• src：输入图像

• dst：输出图像

• ddepth：输出图像的深度，取值规则如下：

若src.depth()=CV_8U，取ddepth=-1/CV_16S/CV_32F/CV_64F

若src.depth()=CV_16U/CV_16S，取ddepth=-1/ CV_32F/CV_64F

若src.depth()=CV_32F，取ddepth=-1/ CV_32F/CV_64F

若src.depth()=CV_64F，取ddepth=-1/ CV_64F

• dx：x方向上的差分阶数

• dy：y方向上的差分阶数

• ksize：表示soble核的大小，必须取1、3、5或7，默认值是3.

• scale：计算拉普拉斯值的时候可选的比例因子，默认值为1

• delta：表示在结果存入目标图之前可选的delta值，默认值为0

• borderType：边界模式，默认值为BORDER_DEFAULT.

实现代码：

#include #include using namespace cv; using namespace std; int main() {            Mat abs_dst,  dst,gray;            Mat src =  imread("lena.jpg");            imshow("原图",  src);            //将原图像转换为灰度图像            cvtColor(src,  gray, COLOR_BGR2GRAY);            //使用Sobel算子,在x方向上边缘检测            Laplacian(gray,  dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);            convertScaleAbs(dst,  abs_dst);            imshow("Laplacian边缘检测结果",  abs_dst);            waitKey();            return 0; }

结果：

原图

laplacian边缘检测结果

4. Scharr边缘检测函数

Scharr (InputArray src, OutputArray dst,int ddepth ,int ksize  = 1,               double scale = 1,double delta = 0,                int borderType = BORDER_DEFAULT)

• src：输入图像

• dst：输出图像

• ddepth：输出图像的深度，取值规则如下：

       若src.depth()=CV_8U，取ddepth=-1/CV_16S/CV_32F/CV_64F

       若src.depth()=CV_16U/CV_16S，取ddepth=-1/ CV_32F/CV_64F

       若src.depth()=CV_32F，取ddepth=-1/ CV_32F/CV_64F

       若src.depth()=CV_64F，取ddepth=-1/ CV_64F

• dx：x方向上的差分阶数

• dy：y方向上的差分阶数

• ksize：表示soble核的大小，必须取1、3、5或7，默认值是3.

• scale：计算拉普拉斯值的时候可选的比例因子，默认值为1

• delta：表示在结果存入目标图之前可选的delta值，默认值为0

• borderType：边界模式，默认值为BORDER_DEFAULT.

实现代码：

#include #include using namespace cv; using namespace std; int main() {            Mat grad_x,  grad_y,gray;            Mat  abs_grad_x, abs_grad_y, dst;            Mat src =  imread(" lena.jpg");            imshow("原图",  src);            //将原图像转换为灰度图像            cvtColor(src,  gray, COLOR_BGR2GRAY);            //使用Sobel算子,在x方向上边缘检测            Scharr(gray,  grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT);            convertScaleAbs(grad_x,  abs_grad_x);            imshow("x方向边缘检测结果",  abs_grad_x);            //使用Sobel算子,在y方向上边缘检测           Scharr(gray,  grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT);            convertScaleAbs(grad_y,  abs_grad_y);            imshow("y方向边缘检测结果",  abs_grad_y);            addWeighted(abs_grad_x,  0.5, abs_grad_y, 0.5, 0, dst);            imshow("完整边缘检测结果",  dst);            waitKey();            return 0; }

结果：

原图

x方向边缘检测结果

y方向边缘检测结果

完整边缘检测结果

到此图像边缘检测常见的四种方法介绍完毕，欢迎留言指正，如有对图像处理、计算机视觉感兴趣的小伙伴关注公众号，一起学习进步。本文为电脑编辑，手机查看可能会出现文字不整齐，敬请谅解！！！